前言
奇异值分解(Singular Value Decomposition,以下简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结,并讨论在在PCA降维算法中是如何运用运用SVD的。
回顾特征值和特征向量
特征值和特征向量的定义如下:
A
x
=
λ
x
Ax=\lambda x
Ax=λx
其中
A
A
A是一个
n
×
n
n×n
n×n的实对称矩阵,
x
x
x是一个
n
n
n维向量,则我们说
λ
λ
λ是矩阵
A
A
A的一个特征值,而
x
x
x是矩阵
A
A
A的特征值
λ
λ
λ所对应的特征向量。
求出特征值和特征向量有什么好处呢? 就是我们可以将矩阵
A
A
A特征分解。如果我们求出了矩阵
A
A
A的
n
n
n个特征值
λ
1
≤
λ
2
≤
.
.
.
≤
λ
n
λ1≤λ2≤...≤λn
λ1≤λ2≤...≤λn,以及这
n
n
n个特征值所对应的特征向量
w
1
,
w
2
,
.
.
.
w
n
{w_1,w_2,...w_n}
w1,w2,...wn,如果这
n
n
n个特征向量线性无关,那么矩阵A就可以用下式的特征分解表示:
A
=
W
Σ
W
−
1
A=W\Sigma W^{-1}
A=WΣW−1
其中
W
W
W是这
n
n
n个特征向量所张成的
n
×
n
n×n
n×n维矩阵,而
Σ
Σ
Σ为这
n
n
n个特征值为主对角线的
n
×
n
n×n
n×n维矩阵。
一般我们会把
W
W
W的这
n
n
n个特征向量标准化,即满足
∣
∣
w
i
∣
∣
2
=
1
||w_i||^{2}=1
∣∣wi∣∣2=1, 或者说
w
T
i
w
i
=
1
w^{T_i}w_i=1
wTiwi=1,此时
W
W
W的
n
n
n个特征向量为标准正交基,满足
W
T
W
=
I
W^{T}W=I
WTW=I,即
W
T
=
W
−
1
W^{T}=W^{−1}
WT=W−1, 也就是说
W
W
W为酉矩阵。这样我们的特征分解表达式可以写成:
A
=
W
Σ
W
T
A=W\Sigma W^{T}
A=WΣWT
注意到要进行特征分解,矩阵A必须为方阵。那么如果A不是方阵,即行和列不相同时,我们还可以对矩阵进行分解吗?答案是可以,此时我们的SVD登场了。
SVD的定义
SVD也是对矩阵进行分解,但是和特征分解不同,SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个m×n的矩阵,那么我们定义矩阵A的SVD为:
A
=
U
Σ
V
T
A=U\Sigma V^{T}
A=UΣVT
其中
U
U
U是一个
m
×
m
m×m
m×m的矩阵,
Σ
Σ
Σ是一个
m
×
n
m×n
m×n的矩阵,除了主对角线上的元素以外全为0,主对角线上的每个元素都称为奇异值,
V
V
V是一个
n
×
n
n×n
n×n的矩阵。
U
U
U和
V
V
V都是酉矩阵,即满足
U
T
U
=
I
U^{T}U=I
UTU=I,
V
T
V
=
I
V^{T}V=I
VTV=I。
如何求出SVD分解后的
U
,
Σ
,
V
U,Σ,V
U,Σ,V这三个矩阵呢?
如果我们将
A
A
A的转置和
A
A
A做矩阵乘法,那么会得到
n
×
n
n×n
n×n的一个方阵
A
T
A
A^{T}A
ATA。既然
A
T
A
A^{T}A
ATA是方阵,那么我们就可以进行特征分解,特征分解得到的
n
n
n个张量张成的
n
×
n
n×n
n×n矩阵就是
V
V
V;同理,如果我们将
A
A
A和
A
A
A的转置做矩阵乘法可以得到
U
U
U,
我们注意到:
A
=
U
Σ
V
T
⇒
A
V
=
U
Σ
V
T
V
⇒
A
V
=
U
Σ
⇒
A
v
i
=
σ
i
u
i
A=U\Sigma V^{T}\Rightarrow AV=U\Sigma V^{T}V\Rightarrow AV=U\Sigma\Rightarrow Av_i=\sigma_i u_i
A=UΣVT⇒AV=UΣVTV⇒AV=UΣ⇒Avi=σiui
这样我们可以求出我们的每个奇异值,进而求出奇异值矩阵
Σ
Σ
Σ。
A
=
U
Σ
V
T
⇒
A
T
=
V
Σ
T
U
T
⇒
A
T
A
=
V
Σ
2
V
T
A=U\Sigma V^{T}\Rightarrow A^{T}=V\Sigma^{T} U^{T}\Rightarrow A^{T}A=V\Sigma^{2}V^{T}
A=UΣVT⇒AT=VΣTUT⇒ATA=VΣ2VT
我们可以看出我们的特征值矩阵等于奇异值矩阵的平方,也就是说特征值和奇异值满足如下关系:
σ
i
=
λ
i
\sigma_i=\sqrt{\lambda_i}
σi=λi
SVD的一些性质
对于奇异值,它跟我们特征分解中的特征值类似,在奇异值矩阵中也是按照从大到小排列,而且奇异值的减少特别的快,在很多情况下,前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。也就是说,我们也可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵。也就是说:
A
m
×
n
=
U
m
×
m
Σ
m
×
n
V
n
×
n
T
≈
U
m
×
k
Σ
k
×
k
V
k
×
n
T
A_{m×n}=U_{m×m}Σ_{m×n}V^{T}_{n×n}≈U_{m×k}Σ_{k×k}V^{T}_{k×n}
Am×n=Um×mΣm×nVn×nT≈Um×kΣk×kVk×nT
由于这个重要的性质,SVD可以用于PCA降维,来做数据压缩和去噪。也可以用于推荐算法,将用户和喜好对应的矩阵做特征分解,进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法,比如潜在语义索引(LSI)。
SVD用于PCA
PCA降维,需要找到样本协方差矩阵
X
T
X
X^{T}X
XTX的最大的
d
d
d个特征向量,然后用这最大的
d
d
d个特征向量张成的矩阵来做低维投影降维。可以看出,在这个过程中需要先求出协方差矩阵
X
T
X
X^{T}X
XTX,当样本数多样本特征数也多的时候,这个计算量是很大的。
注意到我们的SVD也可以得到协方差矩阵
X
T
X
X^{T}X
XTX最大的
d
d
d个特征向量张成的矩阵,但是SVD有个好处,有一些SVD的实现算法可以不求先求出协方差矩阵
X
T
X
X^{T}X
XTX,也能求出我们的右奇异矩阵
V
V
V。也就是说,我们的PCA算法可以不用做特征分解,而是做SVD来完成。这个方法在样本量很大的时候很有效。实际上,scikit-learn的PCA算法的背后真正的实现就是用的SVD,而不是我们我们认为的暴力特征分解。
另一方面,注意到PCA仅仅使用了我们SVD的右奇异矩阵,没有使用左奇异矩阵,那么左奇异矩阵有什么用呢?
假设我们的样本是
m
×
n
m×n
m×n的矩阵
X
X
X,如果我们通过SVD找到了矩阵
X
X
T
XX^{T}
XXT最大的
d
d
d个特征向量张成的
m
×
d
m×d
m×d维矩阵
U
U
U,则我们如果进行如下处理:
X
d
×
n
′
=
U
d
×
m
T
X
m
×
n
X^{'}_{d×n}=U^{T}_{d×m}X_{m×n}
Xd×n′=Ud×mTXm×n
可以得到一个
d
×
n
d×n
d×n的矩阵
X
′
X^{'}
X′,这个矩阵和我们原来的
m
×
n
m×n
m×n维样本矩阵
X
X
X相比,行数从
m
m
m减到了
d
d
d,可见对行数进行了压缩。也就是说,左奇异矩阵可以用于行数的压缩。相对的,右奇异矩阵可以用于列数即特征维度的压缩,也就是我们的PCA降维。
结束语
本人大三学生一枚,学识尚浅,不喜勿喷,希望今日能抛砖引玉,请各位大佬一定不吝赐教!!!
参考自:https://www.cnblogs.com/pinard/p/6251584.html